Umjetna inteligencija i generativna umjetna inteligencija pokreću brzi porast potrošnje električne energije, a predviđanja podatkovnih centara u sljedeće dvije godine dosežu čak 160% rasta, prema Gartneru. Kao rezultat toga, Gartner predviđa da će 40% postojećih AI podatkovnih centara biti operativno ograničeno dostupnošću energije do 2027. godine.
"Eksplozivan rast novih hiperrazmjernih podatkovnih centara za implementaciju GenAI-ja stvara nezasitnu potražnju za energijom koja će premašiti sposobnost pružatelja komunalnih usluga da dovoljno brzo prošire svoje kapacitete", rekao je Bob Johnson, potpredsjednik analitičara u Gartneru. "Zauzvrat, ovo prijeti poremećajem dostupnosti energije i dovodi do nestašica, što će ograničiti rast novih podatkovnih centara za GenAI i druge namjene od 2026."
Gartner procjenjuje da će snaga potrebna podatkovnim centrima za pokretanje inkrementalnih poslužitelja optimiziranih za umjetnu inteligenciju doseći 500 teravat-sati (TWh) godišnje 2027., što je 2,6 puta više od razine iz 2023. „Planiraju se novi veći podatkovni centri koji će nositi s ogromnim količine podataka potrebne za obuku i implementaciju LLM-ova koji se brzo šire i koji podupiru GenAI aplikacije,” rekao je Johnson. "Međutim, kratkoročne nestašice električne energije vjerojatno će se nastaviti godinama jer bi novi kapaciteti za prijenos, distribuciju i proizvodnju električne energije mogli potrajati godinama i neće ublažiti trenutne probleme."
U bliskoj budućnosti, broj novih podatkovnih centara i rast GenAI-ja ovisit će o dostupnosti energije za njihovo pokretanje. Gartner preporučuje organizacijama da utvrde rizike koje će potencijalni nedostaci energije imati za sve proizvode i usluge. Neizbježna posljedica nadolazećih nestašica električne energije je povećanje cijene električne energije, što će također povećati troškove rada LLM-ova.
"Značajni korisnici energije surađuju s velikim proizvođačima kako bi osigurali dugoročne zajamčene izvore energije neovisno o drugim zahtjevima mreže", rekao je Johnson. “U međuvremenu će se troškovi energije za rad podatkovnih centara značajno povećati jer operateri koriste ekonomsku moć kako bi osigurali potrebnu snagu. Ti će se troškovi također prenijeti na pružatelje proizvoda i usluga AI/GenAI.”
Gartner preporučuje organizacijama da procijene buduće planove predviđajući veće troškove energije i pregovaraju o dugoročnim ugovorima za usluge podatkovnog centra po razumnim cijenama energije. Organizacije bi također trebale uzeti u obzir značajna povećanja troškova kada razvijaju planove za nove proizvode i usluge, dok također traže alternativne pristupe koji zahtijevaju manje energije.
Na ciljeve održivosti s nultom emisijom ugljika također će negativno utjecati kratkoročna rješenja za pružanje više energije, budući da rastuća potražnja tjera dobavljače da povećaju proizvodnju na sve moguće načine. U nekim slučajevima to znači da će postrojenja na fosilna goriva koja su bila predviđena za povlačenje ostati u pogonu nakon planiranog zatvaranja.
"Stvarnost je da će povećana upotreba podatkovnog centra dovesti do povećanja emisije CO2 za generiranje potrebne energije u kratkom roku", rekao je Johnson. "Ovo će zauzvrat operaterima podatkovnih centara i njihovim klijentima otežati postizanje agresivnih ciljeva održivosti koji se odnose na emisije CO2."
Podatkovni centri zahtijevaju dostupnost električne energije 24 sata dnevno, 7 dana u tjednu, što obnovljivi izvori energije poput vjetra ili sunca ne mogu pružiti bez nekog oblika alternativne opskrbe tijekom razdoblja kada se energija ne proizvodi. Pouzdana energija 24/7 može se proizvesti samo iz hidroelektrana, elektrana na fosilna goriva ili nuklearnih elektrana. Dugoročno, nove tehnologije za poboljšano skladištenje baterija ili čistu energiju postat će dostupne i pomoći u postizanju ciljeva održivosti.
Gartner preporučuje organizacijama da ponovno procijene ciljeve održivosti koji se odnose na emisije CO2 u svjetlu budućih zahtjeva podatkovnih centara i izvora energije za sljedećih nekoliko godina. Kada razvijaju GenAI aplikacije, trebali bi se usredotočiti na korištenje minimalne količine računalne snage i razmotriti održivost drugih opcija kao što su rubno računalstvo i manji jezični modeli.